原因
- 自动识别字幕后没有逐字检查，同音字、人名和数字最容易错。
- 让视频模型直接生成屏幕文字，模型对文字的控制不稳定。
- 配音文件和最终字幕文稿不是同一个版本。
修法
自动识别后对照剧本逐字检查人名、数字和专有名词。
屏幕文字在关键帧阶段留成空白屏幕或模糊界面，后期叠加准确文字。
生成时在提示词里写“屏幕无可读文字”，负面提示加入乱码文字。
字幕以锁定的台词文稿为准，配音改了就同步改文稿。
修改前后
容易失败
手机屏幕上清楚显示消息：“妹妹，别回头。”
修正后
旧手机屏幕亮起白光，屏幕内容模糊不可读；剪辑时叠加文字“妹妹，别回头。”并跟踪到屏幕上。
下次怎么避免：需要读清楚的文字一律后期叠加，字幕导出前逐字过一遍。
专项案例